利用图卷积网络从双平面血管造影进行三维冠状动脉重建
图像与视频处理
2023-03-01 v1 计算机视觉与模式识别
机器学习
摘要
X 射线冠状动脉造影（XCA）用于评估冠状动脉疾病，并提供有关病变形态与严重程度的宝贵信息。然而，XCA 图像是二维的，因此限制了对血管的可视化。利用多视图可进行冠状动脉的三维重建，但现有软件中的管腔边界检测是手动完成的，导致可重复性有限且处理速度慢。在本研究中，我们提出 3DAngioNet，一种新颖的深度学习（DL）系统，可利用来自两个视图的二维 XCA 图像实现快速三维血管网格重建。我们的方法使用 EfficientB3-UNet 分割网络与投影几何学习粗网格模板，并利用图卷积网络对其进行形变。3DAngioNet 优于类似的自动重建方法，效率更高，且能够建模分叉血管。该方法使用由熟练心脏科医生验证的最先进软件进行了验证。
引用
@article{arxiv.2302.14795,
title = {3D Coronary Vessel Reconstruction from Bi-Plane Angiography using Graph Convolutional Networks},
author = {Kit Mills Bransby and Vincenzo Tufaro and Murat Cap and Greg Slabaugh and Christos Bourantas and Qianni Zhang},
journal= {arXiv preprint arXiv:2302.14795},
year = {2023}
}
备注
Pre-print for IEEE International Symposium on Biomedical Imaging 2023 (ISBI)